二、认识就业指标及现状

最重要的劳动力市场指标是失业率。长期以来统计部门统计发布城镇登记失业率数据，但是，该数据长期稳定在4%左右，变动幅度极其微小，也意味着该数据对劳动力市场变化不敏感。由此我们可以将其视为不受周期性因素影响的自然失业率即结构性失业率和摩擦性失业率之和。有关研究也估算出，21世纪前十年的自然失业率为4%左右。[2]至于国际劳工组织建议且被很多国家采纳的（城镇）调查失业率，在20世纪90年代末和21世纪初经历过大幅攀升之后逐渐得到改善，自2008年之后稳定在5%上下的水平（见图1.2）。



图1.2 城镇失业率变化


资料来源：城镇登记失业率数据来自国家统计局历年《中国统计年鉴》；城镇调查失业率的早期数据系作者估计，近年数据系根据新闻报道和国家统计局发布汇集。


在积极就业政策1.0和积极就业政策2.0的执行中，之所以对劳动力市场冲击做出及时反应的政策手段，始终未能在宏观经济政策工具箱中得到充分体现，一个关键的制约就是失业率等劳动力市场信息不健全，有时还难以得到一致性的解释。通过准确理解城镇登记失业率与城镇调查失业率，并通过这两个指标及其关系认识当前中国的劳动力市场状况，我们可以看到：第一，中国劳动力市场已经具备了典型的显示性指标，以及据此做出反应的劳动力市场行为。这都为宏观经济政策决策创造了必要的条件。第二，迄今为止中国经济基本处于充分就业状态，尚无须出台大水漫灌式的刺激性宏观经济政策措施。

在具有劳动力剩余特征的二元经济发展时期，我国城镇劳动力市场遭遇的最大的也是最后一次冲击，始于20世纪90年代中期，曾经造成大规模失业和下岗现象，其影响延续到此后大约10年的时间里。在21世纪第一个10年中，随着人口转变阶段发生了根本性变化，即15~59岁劳动年龄人口以及16岁以上经济活动人口相继进入负增长（见图1.3），劳动力供求关系也相应发生了逆转，劳动力不再是无限供给，二元经济发展特征逐渐式微，中国经济进入了全新的发展阶段。在2008年前后，一系列经济发展指标和劳动力市场指标，比如城镇失业率，不仅发生了数量上的变化，也发生了特征上的变化。



图1.3 劳动年龄人口和经济活动人口趋势


资料来源：根据人口普查和抽样调查数据估算。


直接观察和计量估计都表明，至少在2008年之前，4%左右的城镇登记失业率总体上处在自然失业率水平上，因而，较高的调查失业率与相当于登记失业率水平的自然失业率之间的差，便是对宏观经济更为敏感的周期性失业率。并且，由于农民工不能享受城市的失业保险，一方面无力承受在城镇处于失业状态，另一方面却可以依托承包地（农业）这个剩余劳动力蓄水池，避免在城市处于失业且没有社会保险的境地。事实上，他们一旦离开工作岗位通常会返乡务农，所以他们的劳动力市场状况既不影响自然失业率，也不影响周期性失业率。而当时城镇户籍人口的就业常常受到政策保护，积极就业政策也取得了较好效果，并且被失业保险制度兜底。所以，除了就业冲击最严重的2000年前后，周期性失业率并不敏感。

然而，如今情况发生了变化，给城镇劳动力市场带来新的特点。首先，由于迄今农业已经遭遇多年劳动力短缺。作为对此做出的理性反应，农业机械化进程加速，节约劳动的特征也越来越明显，因而替代劳动力的进程也非常快，农业已经不再具备执行剩余劳动力蓄水池的功能。其次，新一代农民工大多没有务农的经历和经验，也没有务农的预期和意愿。同时，现在农村家庭的收入状况也使他们能够承受短期不就业。因此，即便遭遇城镇就业困难，他们中很多人也不会返乡。最后，由于持续处于劳动力短缺状态，就业市场对劳动力需求仍然强劲，农民工保留工资提高也倾向于提高自然失业率。这样，农民工的劳动力市场状况已经开始影响自然失业率以及周期性失业率。此外，更多的城镇户籍人口处于灵活就业状态，遭遇自然失业和周期性失业的概率都增大了。

由于2008年以来调查失业率保持在5%左右，成为一个稳定的失业率水平，按照自然失业率的定义（即不直接受宏观经济周期性影响而相对稳定的失业率），如今我们可以把5%的失业率水平看作是劳动力市场摩擦因素和结构性因素造成的，即处在自然失业率水平。在此失业率水平上（以及其他劳动力市场指标下），目前的经济增长速度可以满足充分就业的要求，因而仍然处于合理区间，无须急于出台强刺激性的宏观经济政策措施。通过对人力资源和社会保障部门采集的部分城市公共就业服务机构市场供求状况的分析，得出求人倍率（岗位需求数与求职人数之比）这个指标。分析显示直到2018年第四季度，岗位需求数仍然明显大于求职人数，并呈走高的趋势，也印证了当前就业比较充分这个结论（见图1.4）。以此自然失业率为基准，一旦超出该水平，就意味着经济增长速度低于潜在增长率，就会发生周期性失业现象，即调查失业率显著高于5%。那时，便是使出刺激性宏观经济政策相应工具的时机了。



图1.4 城市公共就业服务机构供求状况


资料来源：CEIC数据库（https://ceicdata），2019年。